Question

计算我的特征和目标变量之间的相关性的最佳解决方案是什么？我的数据框有1000行和4万列...

示例：

df = pd.DataFrame([[1, 2, 4 ,6], [1, 3, 4, 7], [4, 6, 8, 12], [5, 3, 2 ,10]], columns=['Feature1', 'Feature2','Feature3','Target'])

这段代码可以正常工作，但是对我的数据帧来说太长了……我只需要相关矩阵的最后一列：与目标的相关（而不是成对特征相关）。

corr_matrix=df.corr()
corr_matrix["Target"].sort_values(ascending=False)

np.corcoeff（）函数可用于数组，但我们可以排除成对特征相关性吗？

Answer 1

您可以在每一列上使用熊猫corr：

df.drop("Target", axis=1).apply(lambda x: x.corr(df.Target))

Answer 2

您可以在每个功能列上使用scipy.stats.pearsonr，如下所示：

import pandas as pd
import numpy as np
from scipy.stats import pearsonr

# example data
df = pd.DataFrame([[1, 2, 4 ,6], [1, 3, 4, 7], [4, 6, 8, 12], [5, 3, 2 ,10]],
                  columns=['Feature1', 'Feature2','Feature3','Target'])

# Only compute pearson prod-moment correlations between feature
# columns and target column
target_col_name = 'Target'
feature_target_corr = {}
for col in df:
    if target_col_name != col:
        feature_target_corr[col + '_' + target_col_name] = \
            pearsonr(df[col], df[target_col_name])[0]
print("Feature-Target Correlations")
print(feature_target_corr)

Answer 3

df = pd.DataFrame([[1, 2, 4 ,6], [1, 3, 4, 7], [4, 6, 8, 12], [5, 3, 2 ,10]], columns=['Feature1', 'Feature2','Feature3','Target'])

有关目标变量和所有其他功能之间的关联：

df.corr()['Target']

这对我而言有效。让我知道是否有相同的更正/更新。

要获得任何确定的结果，您的实例至少应为功能数量的10倍。

Answer 4

自从Pandas 0.24在2019年1月发布以来，您只需使用DataFrame.corrwith()：

df.corrwith(df["Target"])

计算特征与目标变量之间的相关性

4 个答案: